웨이모 - 자율주행 택시 / 딥러닝 (Waymo One / 구글 / 알고리즘 / 머신러닝) 볼까요

>

1. 웨이 모(Waymo)자율 주행 택시(1)서비스 및 기능-웨이 운전하는 2016년부터 기술을 테스트했다 Phoenix교외 지면 Chandler, Tempe, Mesa및 Gilbert, 약 100야드 1(160km)의 지면 내에서 이번 12월부터 자율 주행 택시 서비스를 시작

>

<출처: The Verge YouTube 동영상> - 'Waymo One'이라 불리는 이 서비스를 이용하려면 승객은 우버그 아인리프트 차량공유 서비스와 마찬가지로 앱을 다운로드하고 신용카드 번호를 재공개해야 한다.

>

<출처: The Verge YouTube 동영상> - Waymo One 서비스에는 인간 운전사가 운전석에 앉아 있긴 하지만 직접 운전은 하지 않고 비상시에만 개입

>

<출처:The Verge YouTube동영상>-뒷좌석의 승객을 볼 수 있도록 2가지 비디오 스크린이 내장되어 있으며, 이로 자동차의 궤적을 보고 이쁘지 않아 버튼을 누르칠로 외부 웨이도 운영자와 통신할 수 있는 소리

>

<출처: The Verge YouTube 동영상> - 보행자를 지나치게 인식하여 보행자의 방안을 구분하기 어렵다. 예를 들어 횡단보도 앞에서 통화를 하면서 길을 건너지 않는 것이 분명한 보행자임에도 불구하고 차량은 멈춰서 소음-아직 기술적 난제로 운행속도가 나빠 차선변환 등으로 완벽하게 매끄러운 운행을 하지 못한다. 역시 사람들이 이 서비스를 이상하게 바라보는 참신함이 사라지고 택지의 고객이 계속 서비스를 쓸지는 불투명하다.

>

<출처:The Verge, 유튜브 동영상>-현재 자율 주행 택시 서비스는 웨이 모에라고 뽑힌 1부, 수백명에 한해 볼 소소 실시. 가격은 우버와 리프트의 가격과 거의 같은 수준. 지난주 로이터 통신에 잡혔다 하나 5분 3야드 1(4.8 km)운전 비용은 리프트의 7.22달러보다 조금 높은 7.59달러(2)시사점 및 전망-웨이 운전하는 라이벌인 GM의 크루즈나 우보에 벌써 이번에 자율 주행 택시 서비스를 네놋앗의 소리. 이들 모드 기술 개발에 수십 억달러를 투자하고 경쟁하고 잇소리-웨이 운전하는 하나 0년 무인 차량을 테스토헤왓의 소리. 현재 600대의 자율 주행 차량을 보유하고 있으며 이 차량은 오메리카의 25도시 공공 도로에서 하나 000만 야드 1이상 성주 헹헤왓의 소리. 모회사의 알파벳(Alphabet, 구글)은 자율 주행을 위한 총 투자액을 공개하지 않았지만 업계 전문 의사들은 하나 0억달러를 훨씬 상회하는 액수가 투자된 것으로 추정-BMW의 글로벌 개발 체쿠 단 신인 Klaus Froehlich는 웨이 모의 이번 서비스가 신속하게 점유율을 확보하기 위한 것. 우버와 China의 디디튜싱(Didi Chuxing)과 같은 first mover는 이들이 영업하는 도시에서 막강한 힘을 갖고 있다. 그래서 웨이모가 위험하다. 그렇더라도 선제(先) 움직임을 보이지 않으면 그들을 몇 년 안에 따라잡는 것을 의식했습니다."라는 평가 - 미국 애리조나주는 다른 주보다 자율주행에 관한 규제가 적기 때문에 웨이모가 자율주행 택시 서비스를 시작할 수 있었지만 아직 다른 지상은 모순되는 요구사항에 섞여 있다. 자동 운전 차 사용을 가속하는 법안은 미 상원에서 1년 이상도 교착 상태에 빠지고 있고, 데이터, 프라이버시, 성진 책임, 사이버 보안 등 주요 이슈에 대한 규정은 아직 정해지지 않은 상태-현재 웨이 머는 규제 당국의 결정을 기다리고 있어 자동 운전 택시 서비스의 제공과 수요에 관한 귀중한 통찰력을 얻는 Phoenix지상에 초점을 맞추고 있다-장애물은 많지만 자동 운전 기술은 실제 갈수록 수익화하고 있다. 보스턴에 본사를 둔 Optimus Ride를 비롯한 몇몇 벤처 쿵키오프은 비즈니스 파크와 퇴직자 커뮤니티와 함께 보수적이고 변화가 느린 환경에서도 자율 주행 서비스를 제공하는 계약을 타넷 소리-웨이도 관계자는 만약 웨이 모기가 흰색 선이나 점선, 도로 경계의 명확한 표지가 없더라도 자율 주행이 가능한 머신 러닝 모델을 만들어 낸다면, 웨이 모의 차량은 피닉스 지상을 넘어 개방된 도로에도 나갈 수 있을 것이라고 주장 2. 웨이도 자율 주행 디플러 닌(하나)알고리즘-구글이 조 썰매 타기, 자율 주행 기술을 개발할 때 수천장의 거리 사진을 분석하고 보행자가 어떻게 되어 있는지를 파악. 이리하여 보행자를 정의하는 시각적 패턴을 식별하도록 컴퓨터를 가르칠 수 있는 알고리즘을 개발. 이 비결은 매우 효과적이어서 구글은 이 기술을 다양한 다른 프로젝트에 적용하기 시작하고-그러나 글재주가 발발하기 시작했다. 시스템은 자동차, 교통신호, 보행자 등을 잘못 인식해 택무에 많은 오류가 발생했고 반응속도도 충분히 빠르지 않은 소리다. 조사팀은 문재가 발발한 이 신문을 샅샅이 수록했지만 대부분의 오류가 인간이 이미지에 붙인 태그(tag, 고양이의 사진이라면 고양이, 사람이면 사람 등이 이미지가 무엇인지 답하는 과정)에 의해 만들어진 실수라는 것을 발견-구글은 인간의 실수를 즉석 포착한 뒤에도 이 용지를 빠른 반응 속도로 인식할 때까지 시스템을 고치는 데 매진했다. 구글의 자율주행팀과 인공지능 조사진은 decision trees cascade classifiers 등 좀 더 전통적인 기계학습 방식을 신경망과 통합해 알고리즘을 개발-A라는 사람이 B라는 사람에게 고양이 사진을 보여주고 이것이 고양이인지 아닌지 물으면 B는 아마 즉답할 수 있을 것이다. 하지만 어떻게 그런 결론을 내렸는지 설명해 달라고 묻는다면 사소한 문재가 아니다. 크기, 다리 수, 꼬리, 눈동자 등 여러 특징이 있지만 정확히 이것 때문이야 라고 내용은 분명치 않다.-똑같이 생각해야 할 일은 직관적인 1개라는 것이 웨이도 자율 주행 인공 지능의 개발 방향. 신호의 빨간 색은 정지, 초록은 출발 등 여러 종류의 교통 신호를 구분하도록 컴퓨터를 가르치기 어렵게 1. 단지 컴퓨터가 수 많은 데이터 중에서 직관적으로 보행자를 골라내도록 가르치는 것은 보행자를 묘사하고 차이를 설명하면서, 프로그래밍 하는 것보다 훨씬 용이함(2)데이터-현재 무인 자동차를 만드는 모든 사람들은 조 썰매 타기에서 디플러 닌을 활용하고 있는 소리. 그래서 초기 신경망 개발에 필요한 많은 자료들은 요즘엔 별 의미가 없다. 20하나 0년의 하나로 1주행 데이터는 20하나 8년인데 1주행 데이터가 신경망의 학습에 미치는 영향에 비할 오프소리-현재로서는 자율 주행 성능을 내용할 때 수백, 수천 만 야드 1을 운행하고 학습했다고 하나 이는 곧 중요하지 않게 될 것이다. 하나 0배 많은 주행했다고 하나 0배 가량 많은 데이터 세트를 제공하는 것은 아님. 중요한 것은 그 데이터의 고유성(uniqueness) - 다시 내용하여 웨이모의 주행 데이터가 신경망 학습에 의미를 부여하기 위해서는 그 데이터가 관심을 가져야 한다. 에지 케이스(edge cases, 흔하지 않은 정세도 무단 횡단과 같은 특이한 정세에 직면했을 때, 그러한 데이터는 웨이 모 시뮬레이터를 통해서 수천번 반복 시뮬레이션도록 필터링 되어 알고리즘 학습 때문에 수 1몇 잇 소리, 3)테슬라(Tesla)·전 구글 자율 주행 관계자에 의하면, 테슬라는 웨이 모기와 비교하고 매우 다양한 환경 데이터를 수집할 수 있다는 독특한 이점이 있는 소리. 왜냐하면 전 세계에 이 회사 차량의 운전자들이 있어-이것은 기계 학습 알고리즘을 1반화에 매우 중요하다. 웨이모는 한정된 지상에서만 매우 구체적인 데이터를 얻고 있는 소리. 이런 데이터는 덱무 specific 하여 글로벌 스케 1에 1반화에 힘들어요 소리. 그 때문에 알고리즘의 측면이 아니며, 적어도 데이터면에서는 테슬라가 웨이모보다 벌적힌 희망이 있는 고졸(4)비정형 문-정지 신호 표지판 위에 시속 40km라는 가짜의 스티커를 붙이고 두면 이는 자율 주행 차량을 갈등한다. 건설 근로자들이 맨홀 안에 상체를 깊숙이 넣거나 의상을 입은 사람, 화살표 표지판을 들고 있는 사람 등도 아직도 자율주행 인공지능 인식에 어려움을 겪는 비전형적 정세다. 인간의 운전자가 필요 없는 완전 자율주행을 위해서는 희귀한 이벤트에 적응하는 것이 매우 중요 - 아침에 길을 건너는 누군가에게 반응하듯 프로그래밍 하는 것과 무단횡단을 감지해 반응시키는 것은 전혀 다른 문재. 만약 무단횡단자가 갑자기 길 한가운데에서 멈추면? 차는 이를 특이한 행동으로 인식해 보행자가 건널 수 있도록 충분히 속도를 줄여야 한다. 웨이모는 이런 비정형 이미지를 인지하기 위해 알고리즘 훈련을 하고 있다. 기계 학습을 통해서 정상과 이상 동작을 인식하고 반응할 수 있는 모델을 구축(5)우에이모디프로닝의 미래-웨이 모 AI의 미래는 단순히 지각 능력 있는 차량만 없음. 궁극적으로는 기계학습 모델을 만드는 과정이 자동화되는 첫 번째 조사. 즉 AI가 다른 AI 모델을 만들고 실생활의 다양한 문재를 해결하는 머신러닝 개발이 궁극의 웨이모의 미래